维塔士
Senior AI Engineer
Senior AI Engineer
发布于 2 天前普通员工/个人贡献者
China
高级经验
全职员工
仅现场办公
学历未注明
LLM
LangGraph
MCP
AI 估算 · 35k–55k
高级AI工程师，AI方向热门，大型企业，薪资竞争力强，月薪估算35-55K
职位详情
关于这个职位
这是一个高级AI工程师职位，专注于设计和交付用于视频游戏资产管线与生产工作流的智能代理系统
你将参与内部代理平台的技术方向制定，推动代理循环、记忆、评估及LLM应用的安全部署
适合有扎实软件工程背景且深入AI/LLM系统经验的候选人
最低要求
年以上生产级应用开发经验，近期有AI/LLM系统经验
精通Python、TypeScript或JavaScript之一，Python为必需（FastAPI, Pydantic, SQLAlchemy等）
扎实的数据库技能，包括关系型（PostgreSQL）和非关系型（如MongoDB、向量数据库），熟悉缓存/队列（Redis）
具备RBAC、认证/授权模式和安全的API设计知识
熟练使用Git、GitLab CI/CD、Docker/容器
有测试思维和自动化测试套件经验（如pytest）
有生产环境中设计和运营代理循环的经验
深入理解提示工程：护栏、上下文污染/毒化、超参数（上下文窗口大小、Lost-in-the-Middle效应、温度、Top-k）
有将工具集成到代理中的实践经验：MCP、结构化I/O、子代理编排
有代理开发框架经验（如LangChain、LangGraph、Claude Agent SDK、Pydantic AI等）
对非确定性系统的可观测性和遥测有良好直觉
有代理记忆实现经验：历史压缩、上下文链、情景记忆、短期/长期分离
熟悉保留/衰减策略和多租户记忆的RBAC应用
有LLM系统的测试和评估驱动开发经验：构建评估集、回归套件、CI门控
英语沟通能力：书面和口头英语必须良好，流利者优先
能够跨职能利益相关者沟通技术决策和权衡
工作职责
代理平台：设计和构建内部代理库的核心部分——核心抽象和开发者体验，使团队能够快速一致地构建代理
帮助塑造中央代理运行时（部署、监控、治理）的架构
定义和演进代理循环/框架：提示编排、工具调用、子代理委派、恢复行为
引入生态参考模式并适配
代理循环与框架工程：驱动大规模提示策略：系统提示设计、护栏、上下文毒化/污染缓解、超参数管理
为代理设计工具接口：MCP服务器、结构化输入/输出、子代理组合模式
推广类型化代理框架最佳实践，内置可观测性和遥测
评估和集成本地LLM选项（延迟、成本、数据驻留需求）
代理记忆：设计和构建代理使用的记忆层：对话历史管理、上下文链、情景记忆
定义短期工作上下文与长期持久记忆的边界，包括衰减/保留策略
应用RBAC和租户隔离，使代理可跨团队和项目安全共享
测试与评估驱动开发：构建代理系统的评估规范：黄金轨迹、回归评估、离线+在线指标、红队提示
构建CI门控，使对提示、模型和工具的迭代有把握
坚持评估作为进展单位——没有可测量信号不发货
后端与平台基础：设计和构建可扩展的后端服务和安全RESTful API（Python FastAPI），具有强数据建模（关系和非关系）
实施认证/授权（RBAC）、输入验证和错误处理
在代理工作负载需要时实施缓存、队列和向量存储
质量、交付与协作：在AI平台领域推动性能调优、代码审查和技术文档
维护CI/CD（Git/GitLab、Docker）
与UI/UX、生产、SRE、IT和游戏团队利益相关者合作，将工作流转化为代理解决方案
参与架构决策并分享代理系统专业知识
在敏捷方法论中工作
优先资格
有运行本地LLM的经验（如通过vLLM、Ollama、llama.cpp）并能权衡成本/延迟/质量
对开源代理框架有贡献或熟悉（如OpenCode、OpenClaw等）
有代理开发框架（LangChain/LangGraph/Claude Agent SDK/Pydantic AI）的实战经验（超过原型阶段）
AI 洞察
优缺点分析
优点
- 前沿技术栈：聚焦LLM代理系统，技术含量高，技能积累价值大
- 行业前景好：游戏行业AI应用正快速增长，职位处于创新前沿
- 公司平台稳：维塔士是大型游戏开发公司，项目资源丰富，跨团队协作机会多
- 成长空间大：从0到1构建代理平台，有技术决策权和影响力
- 技术难度高：代理系统非确定性，调试和评估复杂，对工程能力要求极高
- 工作强度可能较大：作为高级个人贡献者，需主导关键模块交付，可能会有高强度期
- 适合有3年以上后端经验、深度参与过LLM项目、对代理系统有热情、英语流利的技术专家
缺点 / 挑战
- 跨团队沟通多：需要与多个工作室和部门协作，英语沟通压力大
角色解读
- 可向AI架构师或技术负责人发展，主导更大规模的代理系统设计
- 也可深耕AI工程领域，成为LLM应用和代理系统的专家
- 在游戏行业AI创新前沿积累经验，未来向C端AI产品转型
- 设计和构建内部代理平台的核心库与运行时，使团队能快速构建一致性的AI代理
- 驱动提示工程策略，管理超参数、护栏和上下文污染，确保代理行为可控
- 实现代理记忆层，包括对话历史、情景记忆和短期/长期存储分离，并应用RBAC
- 构建测试和评估体系，通过CI门控确保每次变更可衡量，提升代理系统可靠性
- 精通Python、FastAPI、PostgreSQL、Redis等后端技术，具备生产级应用开发经验
- 深入理解LLM代理循环、提示工程、工具调用和子代理编排，熟悉LangChain等框架
- 具备代理记忆设计经验，包括历史管理、上下文链和衰减策略
- 英语沟通能力强，能与全球团队协作，有评估驱动开发意识
申请策略
- 了解维塔士在游戏行业的AI应用方向，展示对游戏资产管线自动化的兴趣
- 在简历或cover letter中强调对代理系统安全性和可观测性的思考
- 突出生产级AI/LLM系统的落地经验，尤其是代理循环、记忆和评估方面的项目
- 强调Python和后端架构能力，附上FastAPI、数据库、缓存等具体技术案例
- 展示对开源代理框架的贡献或深度使用经历，如LangChain、LangGraph
- 强调英语沟通成果，如跨国协作经历或英文技术文档撰写
- 若缺少代理框架经验，可快速学习LangChain/LangGraph并实践构建简单代理
- 补充代理评估知识，学习RAGAS、DeepEval等工具，建立评估驱动的思维方式
面试指南
- STAR方法：先描述场景（项目背景），任务（你的职责），行动（具体技术决策），结果（量化指标）
- 对比不同方案：提到你尝试过的替代方案并解释权衡，展示深度思考
- 强调评估驱动：任何技术选择都要有可衡量的评估支持，展示你的工程严谨性
- 请描述你设计过一个代理循环的架构，如何处理工具调用和错误恢复？
- 如何评估一个LLM驱动的代理系统的性能？你用什么指标和工具？
- 谈谈你对代理记忆的理解，如何在短期和长期记忆之间做平衡？
- 如何处理提示词中的上下文污染和Lost-in-the-Middle效应？
- 为什么选择LangChain/LangGraph？你遇到过哪些限制？
匹配度报告
68
综合匹配度
大型游戏公司，前沿AI代理技术，高发展潜力，但WLB不明，薪资未披露。
适合人群
最适合追求技术成长和发展性动机的求职者，不适合看重工作生活平衡和明确福利的人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展92
工作生活35
使命价值75
薪资福利匹配
70中等
该职位薪资水平较高（高级AI工程师），福利未在JD中明确提及，但大型企业通常有较好保障。
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
92较高
职位处于AI代理前沿，技术栈新颖，有大量成长机会，但晋升路径未明确说明。
技术前沿前沿/新兴技术
技术栈Python、FastAPI、LLM、LangChain、LangGraph、MCP、PostgreSQL、Redis、Docker、Agent
成长机会定制培训计划、内部流动计划
业务类型ambiguous
工作生活匹配
35较低
JD未提及远程或弹性办公，工作地点在中国但未明确城市，可能需现场办公，WLB信号不明显。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
75中等
游戏行业属于稳定成熟行业，但AI创新方向有正向社会影响力，使命信号不强烈。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs